在用户由台式机搜索转向移动设备与可穿戴设备搜索的发展趋势中，Google Now是Google保持市场份额的重要赌注。

(图：Google Now的纸牌设计界面。)

面向iOS用户，Google上周发布了Google Now搜索服务。这不是一种简单的服务延伸，Google对此寄予厚望，期待Google Now成为数十亿人的智能数字助手，并在用户由台式机搜索转向移动设备与可穿戴设备搜索的发展趋势中继续巩固在搜索市场的领先地位。

名如其意，Google Now告诉你现在想知道的东西，快速且精确。通过人机对话，Google Now将自然语言转换成搜索指令，然后从Google服务器中获取精准的答案。

目前，Google Now的界面是一种“纸牌”设计，提供诸如交通，天气，体育，股票，公交车，飞机，活动，物流，约会等信息。用户提供语音即可获得相关的信息。

Google Now最有趣的地方可能在于它能从你的手机设备，Google服务等应用当中找到用户所需的数据。比如，它可以检查Gmail账户中的餐馆预约，为用户提供前往的路线图。它还可以查出你经常访问的网站信息，并自动更新最新的新闻。

(图：Google Now是Google Glass体验的一个重要组成部分。)

基本上讲，Google Now越了解你，它能给你的帮助就越好。

Google Now仍处于起步阶段，其结果尚无法预料。不过，Google对这种服务可谓倾尽全力，希望继续保持它在美国搜索市场的霸主地位。

语音数字助理市场可谓竞争激烈。除了苹果的Siri，还有Sherpa和Donna。

“星际迷航”电脑

Google搜索部门负责人Amit Singhal在2012年谈到了Google Now的由来：

拉里·佩奇曾经描述了完美搜索引擎的蓝图，即它能精确理解你的意思，并准确给予你想要的答案。这很像我小时候在印度看到的黑白电视剧，星际迷航中的电脑。这种电脑可以回答我任何的问题。今天，我们朝这种梦想更进一步了。

Google Now人机相互的背后融入了大量的技术，比如语音识别，语言模型，知识图谱(Knowledge Graph)等。

Google搜索部门的产品管理主任Tamar Yehoshua说，Google Now还处于发展的初期，需要耗费大量的计算机资源才能领会自然语音，然后将其转化词条，搜索答案，最后将文本转化为语音。

Google语音建模部门技术负责人Vincent Vanhoucke说：“基于深度学习(deep learning)技术，我们取得一点起步，这种技术有点像90年代的神经网络，可以让机器感知，领会这个世界。”

Google深度学习技术有点类似人脑中负责数据交换的密集神经元，它们可以进行声学建模，确认原始的语音，比如区分“a”和“p”，然后一个语言模型会将语素串联成恰当的词语与句子。

声学建模领域的一个主要突破是引入了GPU(图形处理单元)，Vanhoucke说：“神经网络有大量，快速的数据通过。GPU具有很大的共享内存，能够很好的处理这些数据信息。以往需要一年训练的项目现在仅需三周即可完成，因此，我们在机器上完成了更多的实验。Jelly Bean安卓系统前后，语音识别的精确度从15%提高到了30%。”

不过，复杂的交流对机器语音识别来说仍然是存在问题。比如，假如你是某支橄榄球队的球迷，你可能会一口气问，球队的比赛情况如何，投手是谁，明天比赛的时间，提醒到时进行录像和观看比赛等。为此，机器识别系统需要将几句话整合在一起，这是一个难题，但前景令人兴奋。

1%的解决方案

Google语音识别与语言模型技术取得了长足的进步，但精确领会仍然是一个巨大挑战。知识图谱就是为此诞生的。

知识图谱负责给Google Now提供主题，人，时间等分类信息，并构建答案。知识图谱有超过5.7亿个词条，180亿个与之关联的事件。

当Google Now接收到询问，它将原始的语音数据转化为电脑能够理解的词条，然后在知识图谱中找到匹配的答案。

不过，迄今为止，知识图谱仅仅收集了语言所能产生的一少部分词条与关系信息。

Google负责知识图谱研究的工程师John Giannandrea说：“知识图谱很好的覆盖了人物，地点，事件等信息，但它仍有东西还不知道，我们只是覆盖了1%的语言信息。我们不会将知识图谱打造成一个人，它是一种工具，能给予用户数据，文本，帮助你更好的理解一个问题，你仍然是决策者。”

每一天，Google会执行大量的搜索，这给知识图谱提供了原始的材料反馈。Yehoshua说：“每天，有大约16%的搜索请求是全新的，我们需要对已经了解的词条进行提炼，这是一个持续性的工作。”

(图：Google知识图谱存在的地方)

随着数据的增多，深度学习技术的进步，处理容量的增加以及速度的增快，Google的人机相互等系统最终会走进我们的生活，不过，这一过程将是一个非常漫长的过程。

Giannandrea说：“我们对世界的领悟不断增多，我们需要从底层教会系统这种领悟能力。我们需要让机器了解什么是比喻，讽刺，假想等等。计算机的发展史证明，这是一种一点一滴的进步，而非质的飞跃，但这种进步的速度会加快。”